23200 पेपर
यह शोध पत्र T-ILR को प्रस्तुत करता है, जो एक न्यूरोसिंबोलिक फ्रेमवर्क है जो अनुक्रम-आधारित कार्यों के लिए डीप लर्निंग आर्किटेक्चर में लीनियर टेम्पोरल लॉजिक ओवर फाइनाइट ट्रेसेस (LTLf) को सीधे एकीकृत करता है, और मौजूदा अत्याधुनिक विधियों की तुलना में बेहतर सटीकता और कम्प्यूटेशनल दक्षता प्रदर्शित करता है।
यह अध्ययन प्रदर्शित करता है कि लीला चेस ज़ीरो (Leela Chess Zero) में, न्यूरल नेटवर्क का आंतरिक एल्गोरिद्मिक लुक-अहेड (look-ahead) शतरंज की पहेलियों को सही ढंग से हल करता है, लेकिन ये समाधान अंतिम आउटपुट में सीखे गए सुरक्षा पूर्वाग्रहों (safety priors) द्वारा व्यवस्थित रूप से ओवरराइड कर दिए जाते हैं, जो यह सिद्ध करता है कि एल्गोरिद्मिक संरचना की उपस्थिति एल्गोरिद्मिक व्यवहार की गारंटी नहीं देती है।
यह शोध पत्र CDQAC को प्रस्तुत करता है, जो एक ऑफलाइन सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो स्थिर, उप-इष्टतम (suboptimal) डेटासेट से प्रभावी जॉब शॉप और फ्लेक्सिबल जॉब शॉप शेड्यूलिंग नीतियां सीखता है, और यह प्रदर्शित करता है कि उच्च प्रदर्शन और नमूना दक्षता (sample efficiency) के लिए प्रक्षेपवक्र गुणवत्ता (trajectory quality) की तुलना में व्यापक अवस्था-क्रिया कवरेज (state-action coverage) अधिक महत्वपूर्ण है।
यह शोध पत्र गाइडेड पिवोटल ऑप्टिमाइज़ेशन (GPO) को प्रस्तुत करता है, जो एक नवीन फाइन-ट्यूनिंग रणनीति है जो एडवांटेज एस्टीमेशन के माध्यम से रीजनिंग ट्राजेक्टरीज के भीतर महत्वपूर्ण चरणों की पहचान करके और इन पिवोटल क्षणों पर लर्निंग को प्राथमिकता देकर LLM रीजनिंग को बेहतर बनाती है, जिससे विभिन्न ऑप्टिमाइज़ेशन विधियों और बेंचमार्क में प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र LLM मूल्यांकन के लिए ज्यामितीय मेट्रिक्स का व्यवस्थित रूप से मूल्यांकन करता है, जिससे यह पता चलता है कि जबकि कुछ मुख्य रूप से आउटपुट की लंबाई को दर्शाते हैं, अन्य मानक पाठ सांख्यिकी से परे मामूली लेकिन वास्तविक मूल्य प्रदान करते हैं, जिसमें विफलता का पता लगाना उनके सबसे आशाजनक निकट-अवधि अनुप्रयोग के रूप में पहचाना गया है।
यह शोध पत्र नॉइज़-गाइडेड ट्रांसपोर्ट (NGT) को प्रस्तुत करता है, जो एक हल्का ऑफ-पॉलिसी इमिटेशन लर्निंग मेथड है जो कार्य को एक ऑप्टिमल ट्रांसपोर्ट समस्या के रूप में तैयार करता है जिसे एडवरसैरियल ट्रेनिंग के माध्यम से हल किया जाता है, और प्रीट्रेनिंग या विशेष आर्किटेक्चर की आवश्यकता के बिना कम-डेटा वाले परिदृश्यों में मजबूत प्रदर्शन प्राप्त करता है।
यह शोध पत्र सर्टिफिएबल सेफ-आरएलएचएफ (CS-RLHF) प्रस्तुत करता है, जो एक नवीन ढांचा है जो प्रमाणिक सुरक्षा गारंटी प्रदान करने और नाममात्र एवं प्रतिकूल जेलब्रेक प्रॉम्प्ट्स के विरुद्ध दक्षता में महत्वपूर्ण सुधार करने के लिए पारंपरिक द्वैत-चरित (dual-variable) बाधित अनुकूलन को एक अर्थपूर्ण लागत मॉडल और एक सुधारे हुए दंड फॉर्मूलेशन (rectified penalty formulation) से प्रतिस्थापित करता है।
यह शोधपत्र सिंथेटिक डेटासेट क्वालिटी मेट्रिक (SDQM) को प्रस्तुत करता है, जो ऑब्जेक्ट डिटेक्शन डेटासेट्स के लिए एक नवीन, ट्रेनिंग-मुक्त मूल्यांकन पद्धति है, जो मॉडल प्रदर्शन (mAP) के साथ एक मजबूत सहसंबंध प्रदर्शित करती है और सिंथेटिक डेटा की गुणवत्ता का आकलन करने के लिए मौजूदा मेट्रिक्स के एक अधिक कुशल विकल्प के रूप में कार्य करती है।
यह अध्ययन एक लार्ज लैंग्वेज मॉडल-संचालित ढांचे को प्रस्तुत करता है जो अर्थपूर्ण रूप से व्याख्या योग्य विषयों को उत्पन्न करके और अंतर्निहित क्रॉस-विषयक संबंधों को प्रकट करके वैज्ञानिक साहित्य को प्रभावी ढंग से मैप करता है, जो इंजीनियरिंग लेखों के 20-वर्षीय संग्रह पर पारंपरिक टॉपिक मॉडलिंग विधियों की तुलना में बेहतर प्रदर्शन और सटीकता प्रदर्शित करता है।
यह शोधपत्र माइंडहायर (MindHier) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो वैश्विक अर्थों (global semantics) के संश्लेषण के बाद स्थानीय विवरणों को परिष्कृत करके, तेज़, अधिक नियतत्ववादी (deterministic) और संज्ञानात्मक रूप से संरेखित fMRI-से-इमेज पुनर्निर्माण प्राप्त करने के लिए स्थिर डिफ्यूजन-आधारित मार्गदर्शन को स्केल-वाइज ऑटो-रिग्रेसिव, पदानुक्रम-से-पदानुक्रम संरेखण रणनीति से बदल देता है।